在前面我們講述了DNN的模型與前向反向傳播算法。而在DNN大類中，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，以下簡稱CNN)是最為成功的DNN特例之一。CNN廣泛的應(yīng)用于圖像識別，當然現(xiàn)在也應(yīng)用于NLP等其他領(lǐng)域，本文我們就對CNN的模型結(jié)構(gòu)做一個總結(jié)。
在學習CNN前，推薦大家先學習DNN的知識。如果不熟悉DNN而去直接學習CNN，難度會比較的大。這是我寫的DNN的教程：
深度神經(jīng)網(wǎng)絡(luò)（DNN）模型與前向傳播算法
深度神經(jīng)網(wǎng)絡(luò)（DNN）反向傳播算法(BP)
深度神經(jīng)網(wǎng)絡(luò)（DNN）損失函數(shù)和激活函數(shù)的選擇
深度神經(jīng)網(wǎng)絡(luò)（DNN）的正則化
1. CNN的基本結(jié)構(gòu)
首先我們來看看CNN的基本結(jié)構(gòu)。一個常見的CNN例子如下圖：
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉(zhuǎn)無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應(yīng)用分析 2017-07-26
- 集合結(jié)合數(shù)據(jù)結(jié)構(gòu)來看看(二) 2017-07-26
學習是年輕人改變自己的最好方式